TensorFlow——张量

更多精彩内容

程序员开发指南

张量(Tensor)

TensorFlow 的张量就是一个 n 维数组， 类型为tf.Tensor。Tensor具有以下两个重要的属性

• type:数据类型
• shape:形状(阶)

1.张量的类型

2. 张量的阶

形状有0阶、1阶、2阶….

tensor1 = tf.constant(4.0)
tensor2 = tf.constant([1, 2, 3, 4])
linear_squares = tf.constant([[4], [9], [16], [25]], dtype=tf.int32)

print(tensor1.shape)
# 0维：()   1维：(10, )   2维：(3, 4)   3维：(3, 4, 5)

3.创建张量的指令

• 固定值张量

4.随机值张量

• 其它特殊的创建张量的op
  • tf.Variable
  • tf.placeholder

5.张量的变换

（1）类型改变

（2）形状改变

TensorFlow的张量具有两种形状变换，动态形状和静态形状

• tf.reshape
• tf.set_shape

关于动态形状和静态形状必须符合以下规则

• 静态形状
  • 转换静态形状的时候，1-D到1-D，2-D到2-D，不能跨阶数改变形状
  • 对于已经固定的张量的静态形状的张量，不能再次设置静态形状
• 动态性状
  • tf.reshape()动态创建新张量时，张量的元素个数必须匹配

# 能用set_shape就优先使用，不能用的话，使用reshape

tensor1 = tf.constant([1, 2, 3, 4])
ph = tf.placeholder(tf.float32, [None, 4])
# tensor2 = tf.constant(11.0)

# tensor1.set_shape([2, 2])  错误
ph.set_shape([3, 4])

new_tensor = tf.reshape(ph, [4, 3])

print(ph, new_tensor)
# 打印的形状,在定义数据的时候形状使用[]
# 不确定的形状:（？， 4）

with tf.Session() as sess:

    print(sess.run(tensor1))

6.张量的数学运算

• 算术运算符
• 基本数学函数
• 矩阵运算
• reduce操作
• 序列索引操作